Integrationsleitfaden für den unzensierten Endpunkt

Basis-URL und Authentifizierung

Richten Sie Ihren OpenAI-kompatiblen Client auf unseren Endpunkt ein. Ersetzen Sie die Standard-Basis-URL durch https://api.llmgatewayopensource.com/v1 und tauschen Sie Ihren API-Schlüssel in den Autorisierungsheader ein. Diese einzelne Änderung leitet den Traffic zu unserem unzensierten Modell um, ohne Ihre Anwendungslogik zu berühren. Sie generieren Schlüssel über Google oder E-Mail im Dashboard. Jedes Konto hat einen aktiven Schlüssel, der den vorherigen sofort ersetzt. Keine Konfigurationsdateien oder komplexen Routing-Schichten erforderlich.

Ihre erste Anfrage erstellen

Senden Sie eine Standard-Chat-Vervollständigungs-Payload, um die Konnektivität sofort zu testen. Der Endpunkt akzeptiert Texteingaben und gibt generierten Text ohne Inhaltsablehnungen für rechtmäßige Erwachsenennutzung zurück. Sie können die Antwort überprüfen, indem Sie das generierte Textfeld prüfen. Fehler wie ungültige Schlüssel geben 401 zurück, während unzureichendes Guthaben 402 zurückgibt. Verwenden Sie diesen einfachen Befehl, um zu bestätigen, dass Ihr Setup funktioniert, bevor Sie es in Ihren Hauptarbeitsablauf integrieren.

Copycurl https://api.llmgatewayopensource.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Fix the syntax error in this Python loop."}]
  }'

Das Python SDK verwenden

Installieren Sie die offizielle Bibliothek und initialisieren Sie sie mit unserer Basis-URL und Ihrem Schlüssel. Dieser Ansatz ermöglicht es Ihnen, vertraute Code-Muster wiederzuverwenden, während Sie auf das unzensierte Modell zugreifen. Der Client verarbeitet die Serialisierung und das Streaming automatisch. Sie können Parameter wie temperature oder top_p festlegen, um die Kreativität zu steuern. Diese Methode ist ideal für Backend-Dienste oder Skripte, die eine zuverlässige Textgenerierung benötigen. Übergeben Sie die Modell-ID uncensored um sicherzustellen, dass Sie den richtigen Endpunkt treffen.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.llmgatewayopensource.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Integration mit Node.js

Initialisieren Sie den Client mit der Basis-URL und Ihrem API-Schlüssel in Ihrer Node-Umgebung. Dieses Setup unterstützt sowohl Standard-JSON-Antworten als auch Streaming-Ereignisse. Sie können System-Prompts oder Benutzernachrichten genau wie bei anderen Anbietern übergeben. Die Bibliothek verwaltet den Verbindungslebenszyklus effizient. Dies ist die bevorzugte Methode für Webserver oder Serverless-Funktionen, die Text on demand generieren müssen. Stellen Sie sicher, dass Ihr Code das Antwort-Objekt korrekt verarbeitet, um den Inhalt zu extrahieren.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.llmgatewayopensource.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

Streaming-Antworten mit SSE

Aktivieren Sie das Streaming, indem Sie den Parameter „stream“ auf true in Ihrer Anfrage setzen. Der Server sendet Textchunks, sobald sie generiert werden, was zu einer geringeren Latenzwahrnehmung führt. Jeder Chunk enthält Nutzungsdaten im letzten Teil. Dieses Feature ist wesentlich für Benutzeroberflächen, die Text schrittweise anzeigen. Sie können den Server-Sent-Events-Stream analysieren, um die Benutzeroberfläche in Echtzeit zu aktualisieren. Es reduziert die Wartezeit für lange Ausgaben erheblich.

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

Limits, Fehler und Kontext

Unsere API setzt strenge, aber faire Grenzen zur Sicherstellung der Stabilität. Sie erhalten 300 Anfragen pro Minute und eine Parallelität von 8 gleichzeitigen Anfragen pro Schlüssel. Das Kontextfenster unterstützt 100.000 Tokens für Prompt und Completion zusammen. Die maximale Ausgabe pro Anfrage beträgt 16.000 Tokens, es sei denn, Sie geben einen niedrigeren Wert an. Fehler umfassen 401 für ungültige Schlüssel, 402 für niedriges Guthaben und 429 für Rate-Limits. Der Anfragetext muss unter 8 MB bleiben. Diese Einschränkungen sind transparent und konsistent.